An Optimal Low Complexity PAPR Reduction Technique for Next Generation OFDM Systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Orthogonal frequency division multiplexing (OFDM) is an efficient multi-carrier modulation technique that underlies most of the current and probably future high-speed wireless communication systems. However, the OFDM waveform is characterized by a high peak-to-average power ratio (PAPR), especially when a large number of subcarriers are used. A high PAPR is a major waveform defect since it leads to non-linear distortion when passing through the transmitter's power amplifier. Most of the PAPR reduction techniques found in the literature reduce the PAPR mainly at the cost of either excessive computational complexity or degrading the transmission bit error rate (BER). We propose a low-complexity technique for PAPR reduction based on linear scaling of a portion of signal coefficients by an optimal factor. This paper is backed up by the extensive analysis of various performance metrics, which leads to optimal choices of key parameters and hence maximum achievable gains. The analytic and simulated results show that the proposed technique is capable of reducing the PAPR effectively with negligible effect on BER in return for a slight reduction in data rate. For example, for 1024 subcarriers, the PAPR can be reduced from 13 dB to below 7.4 or 6.9 dB, in return for only 1% or 2% reduction in data rate, respectively. In addition, the achievable PAPR varies very slightly in response to increasing the number of subcarriers. This offers a highly competitive and flexible tradeoff compared with those provided by current techniques found in the literature. Therefore, this technique has a very good potential for practical application in current and future OFDM-based systems, especially those which employ a very large number of subcarriers, such as LTE, DVB-T2, and 5G systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle